3万回以上の地震訓練を実施した後、彼らは揺れの強さを素早く予測する新しい方法を発見した。

[[396585]]

ビッグデータダイジェスト制作

編纂者：朱克進

DeepShake ネットワークのトレーニングに使用される地震データは、カリフォルニア州の 2019 年リッジクレスト地震の連続から取得されます。 DeepShake は、スタンフォード大学の Daniel J. Wu、Avoy Datta、Weiqiang Zhu、William Ellsworth によって開発されました。

開発者が7月5日に発生したマグニチュード7.1のリッジクレスト地震の実際の揺れを使ってDeepShakeの可能性をテストしたところ、ニューラルネットワークは、激しい地面の揺れが到達する7秒から13秒前に、リッジクレスト地域にシミュレーションの警報を送信しました。

研究者らは、地震の記録から直接、ディープラーニングを使用して迅速な警告と予測を行うという斬新さを強調した。「ディープシェイクは、空間と時間の次元を超えて地震波形の信号を拾うことができます」とダッタ氏は説明した。

さらに、DeepShake は、機械学習モデルが地震早期警報システムの速度と精度を向上させる可能性を示しているとも述べた。

「ディープシェイクは、従来の早期警報システムで使用されている中間ステップの一部を省略し、地面の動きから直接揺れの規模を推定することで、地震の早期警報を改善することを目指しています」とウー氏は述べた。

ウー氏は、多くの早期警報システムはまず地震の場所と規模を特定し、次に地震動予測方程式に基づいて特定の場所の地震動を計算すると説明した。

同氏はさらに、「これらの各ステップは、地震動の予測を妨げる可能性のある誤差をもたらす可能性がある」と付け加えた。

この問題を解決するために、DeepShake チームはニューラルネットワークアプローチを採用しました。ニューラルネットワークを構成する一連のアルゴリズムは、どの信号がネットワークの予測にとって「重要」であるかを研究者が判断することなくトレーニングされます。ネットワークは、将来の揺れの強さを最もよく予測できる特徴をデータから直接学習します。

「地震学用の他のニューラルネットワークを構築した際に、ニューラルネットワークはあらゆる興味深いことを学習できることに気付きました。そのため、正確な予測を行うために地震の震源地やマグニチュードは必要ないかもしれません」とウー氏は言う。「DeepShake は、事前に選択された地震観測所のネットワークでトレーニングされるため、それらの観測所のローカルな特徴がトレーニングデータの一部になります。」

「機械学習モデルを最初から最後までトレーニングすると、これらのモデルは追加情報を活用して精度を向上させることができると私たちは本当に考えています」と彼は語った。

ウー氏、ダッタ氏、および彼らの同僚は、DeepShake が、すでにカリフォルニアで稼働している ShakeAlert を補完し、地震早期警報システムのツールボックスを拡充するものになると考えている。ダッタ氏はさらに次のように付け加えた。「DeepShake をリッジクレスト以外にも拡大し、ダウンしたステーションやネットワーク遅延などの障害を含む現実世界での私たちの仕事に役立てられることを非常に嬉しく思っています。」